Одной из проблем масштабирования квантовых компьютеров остаются слишком большие размеры кубитов — элементов, сохраняющих и отдающих квантовые состояния в процессе вычислений. Уменьшить размер кубита мешают множество факторов, среди которых значительное место занимают методы измерения и управления их квантовыми состояниями с помощью микроволн. Это очень неизбирательный метод. Им невозможно «посветить» на электрон или атом, не затронув соседние.

Синяя — подложка, жёлтые — молекулы пентацена. Слева — игла микроскопа над подложкой. Источник изображения: ETH Zürich

В то же время учёным хорошо известно явление, при котором на электроны можно действовать избирательно. Это спин-поляризованный ток, который возникает при правильном приложении электромагнитного поля к источнику электронов. В электромагнитном поле спины электронов принимают одинаковую ориентацию и могут точечно воздействовать на тот же кубит. Именно на этом принципе работает магниторезистивная память с переносом спина (STT-MRAM), которая уже есть в продаже. Учёные из Швейцарской высшей технической школы Цюриха (ETH Zurich) решили выяснить, можно ли этим методом управлять квантовыми состояниями атомов или молекул.

Исследователи создали «идеальную», как они утверждают, модель атомов и электронов в свободном состоянии. Для этого они поместили молекулы пентацена (ароматического углеводорода) на серебряную подложку, а ещё ранее на серебряную подложку был нанесён слой оксида магния. Затем на кончике иглы сканирующего туннельного микроскопа были собраны несколько атомов железа — это соорудило там своеобразный магнит, который ориентировал в одном направлении спины слетающих с иглы электронов и, фактически, создавал спин поляризованный ток.

Как выяснилось в ходе экспериментов, возникающий на туннельном эффекте спин-поляризованный ток мог избирательно воздействовать на отдельные молекулы и помогал считывать характеристики облака их электронов. Кроме того, спин поляризованный ток изменял спин молекулы, доказывая, что этот процесс поддаётся контролю и измерению. С помощью радиочастотного излучения (электромагнитного поля) подобного разрешения получить невозможно, что обещает найти применение при разработке масштабируемых квантовых компьютеров.

Учёные из Технологического университета Сиднея разработали и готовы продавать через компанию Eigensystems крошечные персональные эмуляторы отказоустойчивых 30-кубитовых квантовых компьютеров Quokka («Квокка»). Новинка «демократизирует» квантовые вычисления, создавая основу для появления широкого круга специалистов среди нового поколения учёных, инженеров, программистов, преподавателей и любителей.

Источник изображений: Andy Roberts

Квокка — одно из самых симпатичных сумчатых Австралии — изображён на верхней крышке корпуса эмулятора квантового компьютера, а первые две буквы названия этих животных намекают на кубиты. Платформу разработали два специалиста Центра квантового программного обеспечения и информации (QSI) Технологического университета Сиднея — Саймон Девитт (Simon Devitt) и Крис Ферри (Chris Ferrie). Решение задумано как обширная образовательная экосфера с уроками, проектами и сообществом.

«Традиционное STEM-образование основано на педагогике 100-летней давности в мире, управляемом обработкой информации. Слово "квант" не фигурирует ни в национальной, ни в какой-либо другой государственной учебной программе, — поясняют цель своей разработки учёные. — Квантовая грамотность определит передний край инноваций XXI века, но до сих пор не было ясного пути в сферу квантовых вычислений для студентов, преподавателей и любителей, чтобы исследовать эту область и открывать возможности».

Устройство Quokka представляет собой доступный по цене удобный эмулятор персонального квантового компьютера, который может запускать языки программирования, написанные для квантовых вычислений, и возвращать результаты. Компания Eigensystems начала принимать заявки на устройство, поставки которого стартуют в июле. Quokka эмулирует то, чего пока не существует — отказоустойчивый квантовый компьютер ёмкостью 30 кубит. Но он позволит уже сейчас изучать приложения квантовых вычислений, обеспечивая практику и опыт, используя самые передовые технологии.

«Это позволяет вам экспериментировать и узнавать о квантовых алгоритмах и программах, взаимодействуя с ним точно так же, как вам пришлось бы взаимодействовать с будущим отказоустойчивым квантовым компьютером», — говорят разработчики.

Базовый уровень платформы включает в себя три программных интерфейса. На продвинутом уровне представлена обширная библиотека материалов с доступом к урокам, руководствам, кураторским проектам сообщества и возможностью делиться проектами и совместно их создавать.

На уровне Quokka Stories — сборнике уроков, основанных на повествовании — происходит ориентация на образовательную программу, переосмысливающую науку, технологию, инженерное дело и математику через призму обработки информации. Поскольку люди пока плохо представляют, как и зачем использовать квантовые платформы, возможность ознакомиться с ними хотя бы на уровне простейших эмуляторов — это правильное решение, на которое стоило бы обратить внимание образовательным учреждениям.

Учёные из научно-образовательного центра «Функциональные микро/наносистемы», созданного на базе МГТУ им. Н.Э. Баумана и Всероссийского научно-исследовательского института автоматики (ВНИИА) им. Н.Л. Духова, запустили сверхпроводниковый квантовый процессор, показавший самую высокую точность операций среди отечественных устройств. Его характеристики сопоставимы с достижениями ведущих мировых разработчиков квантовой техники.

Источник изображений: пресс-служба МГТУ им. Н. Э. Баумана

Согласно имеющимся данным, точность выполнения на новом устройстве простых однокубитных алгоритмов составила 99,76 %, а более сложных двухкубитных — 99,11 %. Достигнутые результаты являются рекордными для российской науки и вполне сопоставимы с лучшими достижениями зарубежных разработчиков. Например, самый современный квантовый процессор IBM Torino 133 с архитектурой Heron R1 показывает среднюю точность двухкубитных операций 99,14 %, что незначительно лучше результата российского аналога.

Напомним, квантовые процессоры представляют собой устройства, использующие принципы квантовой физики для обработки информации. Вычислительные операции реализуются с помощью частиц в состоянии суперпозиции, т.е. они могут находиться в нескольких местах или проявлять несколько свойств одновременно. Это даёт возможность осуществлять проведение множества параллельных операций, что повышает скорость расчётов и снижает задействованные для этого вычислительные мощности. При этом результаты квантовых вычислений носят вероятностный характер.

Новый квантовый процессор называется Snowdrop 4Q. Система состоит из чипа на основе четырёх кубитов, модулей считывания их сигналов с параметрическими криоусилителями и блоков управляющей электроники. Полученные характеристики квантового процессора позволили впервые в РФ реализовать серию сложных алгоритмов, состоящих из сотни квантовых логических операций. Помимо прочего, была смоделирована намагниченность материала (модель Изинга), решено уравнение теплопроводности и реализован квантовый алгоритм для решения систем уравнений.

«Лучшее испытание для процессора — это запустить на нём сложный алгоритм с использованием всех имеющихся кубитов, что мы и сделали. Непосредственно калибровка и полная характеризация квантовой системы — сложный процесс, и над ним мы работали последние три месяца. Точности логических операций, которых достиг наш чип, позволили провести целую серию операций, направленных на решение практических задач ФГУП ВНИИА», — рассказал ведущий разработчик квантовых процессоров Научно-образовательного центра Никита Смирнов.

Он также сообщил, что в рамках проведённых экспериментов учёные опробовали свой метод смягчения ошибок, в основе которого нейросетевое обучение. Для оценки результатов, полученных с помощью Snowdrop 4Q, исследователи запустили те же алгоритмы на 127-кубитном чипе IBM Eagle в облачном доступе. В итоге точности отечественного процессора подтвердились на более мощном американском аналоге.

Результат выполнения алгоритма HHL

Научный руководитель ВНИИА Александр Андрияш рассказал, что команда исследователей разрабатывает и реализует ряд практически значимых квантовых алгоритмов, которые позволят ускорить процесс решения важных задач для физического моделирования. «Мы достигли знакового результата, к которому шли почти три года — от разработки эффективного квантового алгоритма до его запуска на квантовом «железе». В итоге мы убедились в том, что наш подход работает и, более того, прокладывает путь к созданию практически полезного вычислителя. В планах — дальнейшее улучшение уже серийных технологий изготовления квантовых устройств и увеличение количества кубитов с повышением точности квантовых операций», — рассказал Александр Андрияш.

Результаты расчетов динамики цепочки Изинга на процессорах Snowdrop 4Q и IBM

Учёный уточнил, что представленная разработка представляет собой сопроцессор для классического компьютера. С его помощью удастся решить наиболее трудные для традиционной микроэлектроники подзадачи. Также известно, что чипы изготовлены по воспроизводимой технологии Научно-образовательного центра, что позволит развивать мощности уже созданного вычислительного комплекса, а также сделает возможным серийное изготовление новых квантовых компьютеров, ориентированных на конкретные технические проекты.

Результаты характеризации квантового процессора Snowdrop 4Q

«Результаты, полученные учёными, по сути, означают, что в нашей стране создан независимый, работоспособный, пусть и небольшой, квантовый компьютер. Это даёт возможность отечественным науке и промышленности решать задачи, используя квантовые вычисления, на собственной технологической базе, что позволяет прогрессировать вне зависимости от международной обстановки», — считает профессор кафедры атомной физики, физики плазмы и микроэлектроники МГУ Николай Кленов. По его мнению, уже в скором времени квантовые процессоры станут обязательной частью инфраструктуры любого суперкомпьютера. Такой подход позволит в значительной степени расширить функциональность вычислительных комплексов и обеспечить прорывы в материаловедении, ядерных технологиях, высокоточной микроэлектронике и др.

Компания Etched основана два года назад двумя выпускниками Гарварда с целью разработать специализированный ускоритель ИИ. Чипы Etched уникальны тем, что поддерживают лишь один тип моделей ИИ: трансформеры. Эта архитектура, предложенная командой исследователей Google в 2017 году, на сегодняшний день стала доминирующей архитектурой генеративного ИИ.

Источник изображений: Etched

Чип Sohu, разработанный Etched, представляет собой интегральную схему специального назначения (ASIC), изготовленную по 4-нм техпроцессу TSMC. По словам генерального директора компании Гэвина Уберти (Gavin Uberti), новый чип может обеспечить значительно лучшую производительность вывода, чем графические процессоры и другие ИИ-чипы общего назначения, потребляя при этом меньше энергии.

«Sohu на порядок быстрее и дешевле, чем даже следующее поколение графических процессоров Nvidia Blackwell GB200 при работе с преобразователями текста, изображений и видео, — утверждает Уберти. — Один сервер Sohu заменяет 160 графических процессоров H100. Sohu станет более доступным, эффективным и экологически чистым вариантом для бизнес-лидеров, которым нужны специализированные чипы».

Эксперты предполагают, что подобных результатов Etched могла добиться при помощи оптимизированного под трансформеры аппаратно-программного конвейера вывода. Это позволило разработчикам отказаться от аппаратных компонентов, нужных для поддержки других платформ и сократить накладные расходы на программное обеспечение.

Etched выходит на сцену в переломный момент в гонке инфраструктур генеративного ИИ. Помимо высоких стартовых затрат на оборудование, ускорители вычислений потребляют огромное количество электроэнергии и водных ресурсов. По прогнозам, к 2030 году ИИ-бум приведёт к увеличению спроса на электроэнергию в ЦОД на 160 %, что будет способствовать значительному увеличению выбросов парниковых газов. ЦОД к 2027 году потребуют до 6,5 миллионов кубометров пресной воды для охлаждения серверов.

«Наши будущие клиенты не смогут не перейти на Sohu, — уверен Уберти. — Компании готовы сделать ставку на Etched, потому что скорость и стоимость имеют решающее значение для продуктов искусственного интеллекта, которые они пытаются создать». Похоже, что инвесторы полны оптимизма — Etched на сегодняшний день привлекла финансирование в объёме $125,36 млн.

Компания утверждает, что неназванные клиенты уже зарезервировали «десятки миллионов долларов» на приобретение её чипов, а предстоящий запуск Sohu Developer Cloud позволит им предварительно оценить возможности Sohu на интерактивной онлайн площадке.

Пока рано говорить о том, будет ли этого достаточно, чтобы продвинуть Etched и её команду из 35 человек в будущее, которым грезят её учредители. Достаточно вспомнить провалы подобных стартапов, таких как Mythic и Graphcore, и обратить внимание на общее снижение инвестиций в предприятия по производству ИИ-чипов в 2023 году.

«В 2022 году мы сделали ставку на то, что трансформеры захватят мир, — заявил Уберти. — Мы достигли точки в эволюции искусственного интеллекта, когда специализированные чипы, которые могут работать лучше, чем графические процессоры общего назначения, неизбежны — и лица, принимающие технические решения во всем мире, знают это».

В настоящее время у компании нет прямых конкурентов, хотя стартап по производству ИИ-чипов Perceive недавно анонсировал процессор с аппаратным ускорением для трансформеров, а Groq вложил значительные средства в оптимизацию своих ASIC для конкретных моделей.

Даже большинству специалистов квантовые вычислители представляются запредельно сложными устройствами, к которым можно подходить лишь с высокой академической степенью за плечами. Компания D-Wave спешит разрушить это впечатление, по крайней мере, по отношению к своим платформам. Только что представленная гибридная квантово-классическая система требует лишь корректной постановки задачи. С этим справится даже неспециалист, что даст быструю практическую выгоду.

1200-кубитовый процессор поколения Advantage 2. Источник изображения: D-Wave

Как пояснил на конференции Qubits 2024 вице-президент D-Wave по квантовым технологиям, Мюррей Том (Murray Thom), о революции в квантовых вычислениях и сложном и длинном пути к ней говорит тот, кто только в начале этого пути. Компания D-Wave давно преодолела этот этап, добравшись до стадии практического применения квантовых вычислений.

«Мы сосредоточены на том, чтобы упростить людям создание приложений с помощью этой технологии, — пояснил Том. — И это основное внимание в случае нового вычислителя для нелинейного программирования, который мы выпускаем. Таким образом, он представляет более мощный способ получить решение проблемы».

По словам управленца D-Wave, новая система с возможностью использовать до 2 млн переменных и констант на порядок производительнее других квантовых платформ компании. В основе гибридного компьютера лежит далеко не новая архитектура D-Wave — платформа Advantage. Первые системы Advantage компания начала поставлять заказчикам в сентябре 2020 года. В максимальной конфигурации компьютер Advantage содержал 5000 кубитов в кластерах по 15 кубитов в каждом (запутанность обеспечивалась лишь внутри кластеров).

Новая система Advantage 2 пока добралась лишь до 1200 кубитов, но теперь каждый кластер содержит по 20 кубитов (связей) и это пока другая и всё ещё не ясная до конца история. Поэтому компания довела до коммерческой зрелости предыдущую платформу и предоставила к ней облачный доступ D-Wave Leap quantum cloud. Если клиент затрудняется поставить задачу, специалисты компании всегда могут перевести его требования в понятные инструкции для решения задачи квантовой системой.

Например, ещё в «ковидные» времена D-Wave помогла компании Pattison Food Group организовать оптимальную индивидуальную доставку продуктов на дом, сэкономив менеджерам 80 % времени на составление расписания курьерам. Платформы D-Wave используют принцип так называемого квантового отжига, что идеально для оптимизации множества задач. Теперь эта услуга будет доступна в облаке с наименьшими затратами для клиентов, если сравнивать предоставление аналогичных услуг компаниями с суперкомпьютерами.

Недавний бум искусственного интеллекта озолотил Nvidia. В 2023 году компания поставила 3,76 миллиона графических процессоров для ЦОД, что на миллион больше, чем годом ранее, показав рост продаж на 42 %. Выручка Nvidia за 2023 год достигла $60,9 млрд, на 126 % превысив аналогичный показатель 2022 года.

Источник изображений: Nvidia

По результатам 2023 года Nvidia захватила 98 % рынка графических процессоров для центров обработки данных и 88 % рынка графических процессоров для настольных ПК. Такие результаты компания продемонстрировала несмотря на нехватку в 2023 году производственных мощностей TSMC, выпускающей чипы для Nvidia, и невзирая на запрет США на экспорт передовых чипов Nvidia в Китай.

Однако Nvidia не может почивать на лаврах: AMD готовит выпуск гораздо более энергоэффективных чипов, чем полупроводниковый хит сезона Nvidia H100, потребляющий до 700 Вт, а Intel продвигает процессор Gaudi 3 AI, который будет стоить $15 000 — вдвое дешевле, чем H100.

В гонку аппаратного обеспечения для ЦОД присоединяются и другие компании. Microsoft представила ускоритель искусственного интеллекта Maia 100, который она планирует использовать в своём анонсированном ЦОД стоимостью $100 млрд. Amazon производит специальные чипы для AWS, а Google планирует использовать собственные серверные процессоры для ЦОД уже в следующем году.

Однако, по утверждению Nvidia, все эти чипы пока менее производительны, чем её графические процессоры применительно к ускорению работы искусственного интеллекта. Nvidia также подчёркивает гибкость архитектуры своих графических процессоров. Таким образом, несмотря на появляющиеся альтернативы, ИИ-ускорители компании в ближайшем будущем сохранят свои лидирующие позиции.

Немало молодых компаний ищут себя в сфере квантовых вычислений, ведь здесь есть потенциал быстро выбиться в лидеры молодой отрасли. Среди новичков выделяется компания Quantinuum, привлекшая внимание таких гигантов, как JPMorgan Chase и Microsoft. Новая работа исследователей Quantinuum показала значительный прогресс в деле безошибочных квантовых вычислений на уже имеющемся оборудовании. Практическое применение квантовых систем приближается.

Процессор Quantinuum H2. Источник изображения: Quantinuum

Компания Quantinuum разрабатывает вычислительные квантовые платформы на ловушках ионов. Ранее она вместе с Microsoft на системе с процессором Quantinuum H2 показала существенное снижение ошибок кубитов при выполнении операций на 30-кубитовой платформе. Подобное приближает появление практически ценных квантовых вычислителей с относительно небольшим количеством кубитов, для создания которых не придётся строить отдельные помещения и комплексы зданий — хватит небольшой комнаты. Новая работа на улучшенном 56-кубитовом процессоре H2-1 ещё больше укрепляет уверенность в том, что безошибочные квантовые вычислители не за горами.

Используя тот же метод расчёта, с помощью которого компания Google в 2019 году доказала квантовое превосходство 53-кубитовой фирменной системы Sycamore над классическими компьютерами, Quantinuum вместе с командой из JPMorgan Chase смогла на два порядка улучшить результаты Google. Более того, платформа Quantinuum позволила проделать расчеты со снижением потребления энергии в 30 тыс. раз по сравнению с вычислениями на обычных суперкомпьютерах. Это установило новую планку производительности квантовых вычислителей, как пояснили в Quantinuum, которую теперь предстоит преодолеть конкурентам.

В своё время компания Google подверглась немалой критике со стороны IBM, с чьей классической системой они сравнили возможности Sycamore, а также со стороны многочисленных групп учёных, доказавших неоправданность подобных сравнений. Как видим, компании Quantinuum это не помешало, чтобы снова показать превосходство квантовых платформ в определённых задачах.

Поясним, речь идёт о работе алгоритмов по расчётам в области выборки случайных цепей (random circuit sampling). Берётся случайная цепь квантовых вентилей, которая генерирует случайные результаты, а алгоритмы должны вычислить распределение результатов и предсказать их отклонение от нормального. Единственная на сегодня вменяемая цель всего этого — создание истинно случайных значений (генератор случайных чисел). Но получается слишком дорого. Зато с позиции Google и других, методика расчёта RCS — это лучшая основа для доказательства квантового превосходства.

Компания AMD представила на выставке Computex 2024 обновлённые планы по выпуску ускорителей вычислений Instinct, а также анонсировала новый флагманский ИИ-ускоритель Instinct MI325X.

Источник изображений: AMD

Ранее компания выпустила ускорители MI300A и MI300X с памятью HBM3, а также несколько их вариаций для определённых регионов. Новый MI325X основан на той же архитектуре CDNA 3 и использует ту же комбинацию из 5- и 6-нм чипов, но тем не менее представляет собой существенное обновление для семейства Instinct. Дело в том, что в данном ускорителе применена более производительная память HBM3e.

Instinct MI325X предложит 288 Гбайт памяти, что на 96 Гбайт больше, чем у MI300X. Что ещё важнее, использование новой памяти HBM3e обеспечило повышение пропускной способности до 6,0 Тбайт/с — на 700 Гбайт/с больше, чем у MI300X с HBM3. AMD отмечает, что переход на новую память обеспечит MI325X в 1,3 раза более высокую производительность инференса (работа уже обученной нейросети) и генерации токенов по сравнению с Nvidia H200.

Компания AMD также предварительно анонсировала ускоритель Instinct MI350X, который будет построен на чипе с новой архитектурой CDNA 4. Переход на эту архитектуру обещает примерно 35-кратный прирост производительности в работе обученной нейросети по сравнению с актуальной CDNA 3.

Для производства ускорителей вычислений MI350X будет использоваться передовой 3-нм техпроцесс. Instinct MI350X тоже получат до 288 Гбайт памяти HBM3e. Для них также заявляется поддержка типов данных FP4/FP6, что принесёт пользу в работе с алгоритмами машинного обучения. Дополнительные детали об Instinct MI350X компания не сообщила, но отметила, что они будут выпускаться в формфакторе Open Accelerator Module (OAM).

Источник изображения: AnandTech

ИИ-ускорители Instinct MI325X начнут продаваться в четвёртом квартале этого года. Выход MI350X ожидается в 2025 году. Кроме того, AMD сообщила, что ускорители вычислений серии MI400 на архитектуре CDNA-Next будут представлены в 2026 году.

Несмотря на санкции, российским компаниям в сфере ИИ-технологий пока удаётся закупать необходимое оборудование, в первую очередь — ускорители вычислений Nvidia, которые можно объединять в высокопроизводительные кластеры, пишет «Коммерсантъ». Данные ускорители сейчас особенно нужны — они служат основой для систем искусственного интеллекта.

Источник изображения: geralt/Pixabay

Российские технологические компании стали активнее коммерциализировать ИИ-решения. Например, «Яндекс» и «Сбер» интегрировали большие языковые модели (LLM), соответственно YandexGPT и GigaChat, в свои ассистенты и предлагают другим компаниям использовать их для обработки или генерации контента. VK и МТС тоже представили собственные продукты на базе генеративного ИИ, использующие собственные LLM.

Создание LLM требует значительных вычислительных мощностей, в основном построенных на графических ускорителях. Лидирует в этой сфере Nvidia. Согласно исследованию Dell’Oro Group, в 2023 году на её серверные графические ускорители приходилось 97 % всей выручки, которую приносит сегмент во всём мире.

Чем больше у LLM параметров, тем больше число вычислительных операций необходимо для её тренировки. Да и обращение с запросом к нейросетям, прошедшим обучение, тоже требует вычислительных ресурсов. Как сообщил директор бизнес-группы поиска и рекламных технологий «Яндекса» Дмитрий Масюк, стоимость ответов на основе YandexGPT в пересчёте на пользователя в семь раз выше, чем при использовании классических технологий вроде интернет-поиска.

В VK рост числа связанных друг с другом высокопроизводительных серверов (HPC-кластеры) на базе графических ускорителей примерно в полтора раза превосходит рост обычных систем, сообщил «Коммерсанту» вице-президент компании по ИИ, контентным и рекомендательным сервисам Антон Фролов. Рост спроса на ресурсы подтвердили и в Beeline Cloud, отметив, что санкции усложняют закупки и поставки серверов «с адекватными конфигурациями и ценами».

С ростом объёма данных, передаваемых в ходе высокопроизводительных вычислений, возникает потребность в расширении сетей, отметил вице-президент по развитию инфраструктуры МТС, глава облачной платформы MWS Игорь Зарубинский. А также растёт потребность в быстрых и ёмких хранилищах данных. «Развитие ИИ приводит к росту спроса на накопители и диски. В будущем потребуется строительство высокоплотных энергонагруженных ЦОДов», — прогнозирует он.

IT-директор облачного провайдера Oxygen Александр Будкин утверждает, что рост потребности клиентов в высоких мощностях требует «переосмысления ЦОДа как конечного коммерческого продукта для ИТ рынка». По его мнению, если тенденция сохранится на четыре-пять лет, можно будет говорить о проектах строительства ЦОД именно под ИИ: «Они могут быть размещены в регионах с холодным климатом, работать от электричества с электростанций на попутном газе». Такие проекты обсуждались и раньше, но были признаны нецелесообразными из-за относительной неразвитости каналов связи, но ИИ «более толерантен к задержкам».

Международный коллектив физиков из России, Германии и ОАЭ показал, что одна из основных теорий для расчётов в области квантовой термодинамики — модель Швингера — обладает фрактальными свойствами, которые могут быть использованы для ускорения квантовых расчётов. Используя данное свойство, с помощью квантовых компьютеров можно ускорить решение задач в области логистики, машинного обучения и криптографии.

Выпущенный в России 8-кубитный процессор. Источник изображения: Университета МИСИС

«Модель Швингера была разработана в 1950-х годах. Несмотря на то, что это одна из базовых и хорошо изученных теорий, она обладает рядом нетривиальных особенностей, присущих более сложным теориям. Аналитически она разрешима в частных случаях безмассовых или невзаимодействующих частиц, но в общем случае решение неизвестно, поэтому модель представляет собой сложную задачу как для аналитических, так и для численных методов», — поясняется в пресс-релизе НИТУ МИСиС.

Фрактальными свойствами обладают и другие модели КЭД (квантовой электродинамики), например, модели Гейзенберга и Изинга описывающие магнитные свойства материалов. В таких случаях появляется возможность упростить описание моделей и ускорить расчёты, поскольку количество задействованных для вычислений компонентов можно сократить благодаря их фрактальности (самоподобию). И комплексная квантовая система будет уже не такой сложной.

В новой работе, опубликованной в журнале Physical Review Letters, учёные впервые показали, что модель Швингера также обладает фрактальными свойствами и это позволяет применить для расчётов так называемый анзац-метод, когда для расчёта системы с большим количеством объектов за основу берётся описание с меньшим числом частиц. Доказательство приведено для модели Швингера.

«Ранее у модели Швингера в основном состоянии самоподобная структура не наблюдалась. Отталкиваясь от точного решения для системы небольшого размера, мы строим описание для системы с большим числом частиц с помощью фрактального анзац-подхода. Наш метод очень эффективен. Мы полагаем, что его можно применить и для более широкого класса моделей», — сказал соавтор исследования Алексей Федоров, директор Института квантовой физики НИТУ МИСИС, руководитель научной группы «Квантовые информационные технологии» Российского квантового центра.

Поскольку проделанная работа затрагивает одномерную систему, задачей будущих исследований должен стать выход на двухмерные и трёхмерные системы. Это позволит перейти к созданию более совершенных квантовых процессоров на базе многоуровневых кубитов, опыт в разработке которых у российских учёных уже есть.

Исследователи из Бристольского университета в Великобритании разработали самый маленький в мире квантовый детектор света на кремниевом чипе. Детектор тоньше человеческого волоса может помочь расширить масштабы реализации квантовых технологий вплоть до создания мощных вычислительных платформ.

Источник изображений: University of Bristol

В своём исследовании учёные решали три две связанные проблемы: уменьшение размеров детектора, снижение влияния квантового шума (квантовой неопределённости) и адаптация платформы к современному массовому производству чипов. Чем меньше датчик, тем он быстрее работает, но одновременно с этим растёт влияние электронного шума, которое снижает чувствительность. Также нужно думать о возможных техпроцессах выпуска датчиков, чтобы это было экономически выгодно и доступно.

Свою разработку британские учёные сравнивают с изобретением транзисторов в 50-е годы прошлого века, что стремительно ускорило развитие электроники и вычислительной техники. Миниатюрный по сравнению с электронными лампами полупроводниковый элемент привнёс революцию в отрасль и изменил в ней буквально всё. Новый детектор квантового света может оказать ту же услугу оптическим квантовым системам, считают разработчики.

Новый встроенный в кремниевый чип детектор квантового света имеет размеры 80 × 220 мкм (сам светочувствительный элемент ещё меньше). Он работает в 10 раз быстрее аналогов, утверждают учёные и имеет высокий порог чувствительности к квантовому шуму. Это важный момент не только для квантовых платформ, но также для других применений подобных детекторов. Например, они используются в гравитационно-волновых обсерваториях, где позволяют выявлять малейшие отклонения в фазе и амплитуде световых сигналов, что может повысить чувствительность систем, регистрировать больше событий, связанные с рождением гравитационных волн, и делать это точнее.

«Мы создали детектор на коммерчески доступном производстве чипов, чтобы сделать его применение более доступным. Хотя мы невероятно рады возможностям применения целого ряда квантовых технологий, крайне важно, чтобы мы, как сообщество, продолжали решать проблему масштабируемого производства квантовых технологий. Без демонстрации действительно масштабируемого производства квантового оборудования влияние и преимущества квантовой технологии будут отложены и ограничены», — сказал ведущий автор работы профессор Джонатан Мэтьюз (Jonathan Matthews).

Сегодня в сфере вычислений переживают рассвет два новых направления — квантовое и нейроморфное. Казалось бы, это два разных пути, но на стыке этих областей могут возникнуть настолько мощные вычислительные решения, что всё остальное покажется детской игрушкой. Не зря ведь появились подозрения, что умственная деятельность человека сопровождается квантовыми эффектами, что заставляет учёных искать новые типы памяти с квантовыми явлениями.

Источник изображения: ИИ-генерация Кандинский 3.0/3DNews

Международная группа учёных из Германии, Китая и Чили предложила свой вариант такой давно придуманной памяти, как мемконденсатор (memcapacitor). Мемконденсаторы предложены теоретиками более 50 лет назад наряду с мемристорами и меминдуктивностями. В принципе, любой материал с нелинейными характеристиками (с петлёй гистерезиса) может служить памятью для электронных устройств. В новой работе, опубликованной на днях в журнале Communications Materials, исследователи рассказали, как они искали связь между электронными сигналами и квантовыми эффектами и как им в этом помог мемконденсатор.

Мемконденсаторы позволяют запоминать информацию, связывая напряжение и заряд (мемристоры, например, связывают ток и напряжение). Осталось подцепить всё это к «пугливым» квантовым состояниям, чтобы ячейка квантовой памяти могла записываться и считываться без разрушения, а также, чтобы квантовые эффекты, включая запутанность, в принципе могли возникать в подобной макросистеме и наблюдаться (измеряться).

В качестве инструмента воздействия на квантовый элемент памяти учёные предложили микроволновое излучение. Сам элемент памяти представляет собой два связанных колебательных контура, один из которых основной, а второй — вспомогательный, введённый для стабилизации работы основного контура благодаря организованной с ним обратной связи. К основному контуру подключён так называемый элемент SQUID или сверхпроводящий магнитометр (интерферометр). На SQUID воздействует микроволновое излучение, интенсивность которого зависит от измерений на вспомогательном контуре и он же управляет состоянием ячейки памяти. За счёт обратной связи представленный элемент демонстрирует стабильность работы и, как показали эксперименты, всё это сопровождается квантовыми эффектами, включая явление запутанности.

Принципиальная схема сверхпроводящего микроволнового мемконденсатора. Источник изображения: Communications Materials

«Это устройство работает с классическим входом в одном резонаторе, одновременно считывая отклик в другом, и служит фундаментальным строительным блоком для создания массивов микроволновых квантовых накопителей памяти. Мы наблюдаем, что двусторонняя схема может сохранять свои свойства памяти и демонстрировать запутанность и квантовые корреляции. Наши результаты открывают путь для экспериментальной реализации сверхпроводящих квантовых устройств с высокой ёмкостью памяти и массивов запоминающих устройств для нейроморфных квантовых вычислений», — пояснили в своей работе исследователи.

Группа китайских учёных из Университета электронных наук и технологий Китая (UESTC), Университета Цинхуа и Шанхайского института микросистем и информационных технологий создала полупроводниковый источник запутанных фотонов, что может стать «замечательным потенциалом» для создания небольших и надежных квантовых чипов. В основе разработки лежит нитрид галлия (GaN), десятилетиями использующийся для выпуска синих светодиодов.

Источник изображения: ИИ-генерация Кандинский 3.0/3DNews

Запутывание фотонов позволяет защищать передаваемую информацию (квантовое распределение ключей) и выполнять квантовые вычисления или симуляции. И первые, и вторые операции можно выполнять с помощью пар запутанных фотонов. Другое дело, что их запутывание остаётся относительно сложным процессом, требующим особенных источников света, к примеру, на основе нитрида кремния или фосфида индия. Переход на нитрид галлия, хорошо знакомый производителям светодиодов и чипов, позволит шире и мощнее использовать квантовые каналы связи, а также подумать о создании квантовых систем на чипе.

Разработанный китайскими учёными источник запутанных фотонов представляет собой вытравленное на плёнке нитрида галлия кольцо диаметром 120 мкм (сама плёнка выращена на сапфировой подложке традиционным способом). При освещении кольца лучом лазера в инфракрасном диапазоне часть фотонов оказываются в своеобразной ловушке и начинают перемещаться по кольцу. Некоторые из таких частиц становятся резонансными парами. Резонансные пары, в свою очередь в процессе так называемого четвертьволнового смешения — известного явления в нелинейной оптике (кольцо из нитрида галлия — это и есть нелинейный оптический канал), порождают новую пару уже запутанных друг с другом частиц.

Измерения показали, что возникающая в кольце нитрида галлия запутанность такого же качества, как и в случае с другими квантовыми источниками света. Иными словами, предложенное решение можно брать на вооружение при проектировании оборудования для квантовых каналов связи и для квантовых процессоров. Более того, диапазон длин волн у GaN-источника света простирается до 100 нм против 25,6 нм у «традиционных» источников света. А это, в свою очередь, позволит расширить и уплотнить каналы передачи квантовой информации.

По словам разработчиков, помимо квантового источника света, GaN также является многообещающим материалом для изготовления других компонентов квантовых схем, включая лазер с накачкой и детекторы лёгких частиц. «Платформа GaN имеет значительные перспективы для создания квантовых фотонных интегральных схем “всё на кристалле” по сравнению с существующими платформами», — резюмируют учёные.

Чувствительность квантовых состояний к слабейшим внешним помехам продолжает оставаться камнем преткновения на пути к квантовому интернету и распределённым квантовым вычислениям. Решением проблемы станет открытие квантовой памяти, которая позволит сохранять и считывать квантовые состояния без разрушения. Это сняло бы проблему квантовых повторителей и развёртывания глобальных сетей квантового интернета.

Источник изображений: Imperial College London

Группа учёных из Имперского колледжа Лондона предложила свой способ решения этих проблем. Они создали и испытали платформу по записи квантовых состояний фотонов в облаке атомов рубидия. Нейтральные холодные атомы, как хорошо известно, часто выступают в роли платформ с ярко выраженными квантовыми свойствами.

Исследователи создали целую систему для генерации фотонов, преобразования их длин волн в необходимую для передачи по волоконно-оптической сети и записи в облако атомов рубидия. Своеобразным активатором «памяти» стал лазер, импульс которого включал её и отключал. Фотоны генерировались квантовыми точками, а затем с помощью фильтров и модуляторов им придавалась другая частота, соответствующая длине волны 1529,3 нм для передачи по оптике.

До попадания в облако атомов рубидия частота фотонов подвергалась ещё одной корректировке, но уже с прицелом на то, чтобы атомы рубидия могли их поглощать. Такую память назвали ORCA (нерезонансное каскадное поглощение). Лазерный импульс, о котором упоминали выше, своим воздействием менял свойства атомов рубидия по поглощению фотонов.

Эксперименты показали, что система может работать на стандартном оптоволоконном оборудовании. Эффективность сохранения квантовых состояний фотонов с последующим их извлечением без разрушения составила 12,9 %. Очевидно, что для внедрения этой разработки в практику пройдут годы, если не десятилетия, но это уже тот результат, который можно развивать. К счастью, он такой не один и что-то может стать реальностью намного раньше. Например, предложенная датчанами оптико-механическая квантовая память на запоминании квантовых состояний фотонов в фононах. Но это уже другая история.

Nvidia вступила на «территорию коррекции»: её акции упали на 10 % по сравнению с последним историческим максимумом в $950 за акцию. Во вторник торги закрылись на отметке $853,54, падение за сессию составило 2 %. Аналитики связывают снижение стоимости акций Nvidia c представленным накануне компанией Intel ИИ-ускорителем Gaudi 3, «сокращением» моделей ИИ и перенаправлением инвестиций крупных клиентов на разработку собственного оборудования для ИИ.

Источник изображения: Nvidia

Nvidia за последние годы стала ключевым бенефициаром бума искусственного интеллекта благодаря ажиотажному спросу на её чипы, предназначенные для ресурсоёмких приложений ИИ. Ускорители компании являются ключевым компонентом множества центров обработки данных. Nvidia сообщила о росте в четвёртом квартале разводненной прибыли на акцию (non-GAAP) на 486 % благодаря беспрецедентной популярности генеративных моделей искусственного интеллекта.

Однако последние две недели акции компании находятся под давлением. Падение курса ценных бумаг составило 10 % по сравнению с последним историческим максимумом, которого они достигли 25 марта. Сегодня акции Nvidia торговались с понижением на 0,7 % по состоянию на 9:45 утра по времени восточного побережья США (16:45 мск). Финансовые эксперты советуют инвесторам фиксировать прибыль, которая может составить более чем 200 % за последние 12 месяцев.

Источник изображения: cnbc.com

Одной из возможных причин понижения курса акций Nvidia аналитики называют «сокращение» моделей искусственного интеллекта, включая альтернативы, такие как большая модель Mistral и система LLaMA от Meta✴. «Сочетание сокращения моделей, более устойчивого роста спроса, зрелых инвестиций в гиперскейлеры и растущего использования крупнейшими клиентами собственных чипов не сулит ничего хорошего для Nvidia в ближайшие годы», — полагают эксперты аналитической компании D.A. Davidson.

Конкуренция в сфере ускорителей вычислений нарастает. Во вторник компания Intel представила свой новый чип для ускорения искусственного интеллекта под названием Gaudi 3. По утверждению компании, новый чип более чем в два раза энергоэффективнее, чем H100 — самый популярный из ныне выпускаемых ускорителей Nvidia, и может запускать модели искусственного интеллекта в 1,5 раза быстрее, чем H100.

Хотя консенсус-оценки говорят о том, что спрос на графические процессоры Nvidia для технологий искусственного интеллекта в этом году будет высоким, в 2025 году ожидается замедление роста, а в 2026 году аналитики предрекают значительный спад для Nvidia, так как крупные покупатели чипов искусственного интеллекта, такие как Amazon и Microsoft, вероятно, направят большую часть своих инвестиций в собственное оборудование.